معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Python implementation of Bayesian Synthetic Controls

ویژگی	مقدار
سیستم عامل	-
نام فایل	bayessynth-0.1
نام	bayessynth
نسخه کتابخانه	0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Elias Tuomaala
ایمیل نویسنده	mail@eliastuomaala.com
آدرس صفحه اصلی	https://github.com/eliastuo/bayessynth
آدرس اینترنتی	https://pypi.org/project/bayessynth/
مجوز	MIT

# *bayessynth:* BSC Models in Python The bayessynth package is a Python implementation of the Bayesian Synthetic Control (BSC). BSC is a probabilistic method for quantitative social science, developed in [Tuomaala (2019)](https://arxiv.org/abs/1910.06106 "Arxiv preprint")[1]. It includes tools to estimate the BSC model with Markov Chain Monte Carlo (MCMC) sampling and to analyze and visualize the results. ## Documentation Limited documentation for the library is available separately within this git repository. ## Dependencies Fitting of the BSC model is done using `pymc3`, which itself uses depends on `theano` and `scipy`. Other fundamental dependencies include `numpy`, `pandas`, and `sklearn`, as well as the visualization libraries `matplotlib` and `seaborn`. ## Author Elias Tuomaala Website: [www.eliastuomaala.com](www.eliastuomaala.com "Author Homepage") Email: [mail@eliastuomaala.com](mailto:mail@eliastuomaala.com) ## License The bayessynth copyright belongs to Elias Tuomaala (2020). It is released under the MIT License. ## Example ``` import numpy as np import pandas as pd import bayessynth as bs data_source, target_country, cutoff_year = 'gdp.csv', 'DEU', 1990 factors = 4 prior_distribution = { 'sigma_gamma': 500, 'k_mu': 16000, 'k_sd': 7000, 'k_gamma': 7000, 'alpha_sd': 30000, 'alpha_mu': 0, 'b_mu': 0, 'b_sd': 1, 'b_gamma': 1, 'delta_mu': 0, 'delta_sd': 10000 } data = pd.read_csv(data_source) bs.fit(data, target_country, cutoff_year, prior_distribution) trace = bs.read_tracefile(target, data, factors) result_summary = bs.summarize_ppc(target_country, data, trace, factors) bs.plot(result_summary, cutoff_year, target_country, output='display') ``` [1]: Elias Tuomaala. (2019) "The Bayesian Synthetic Control: Improved Counterfactual Estimation in the Social Sciences through Probabilistic Modeling." [Arxiv Open Access](https://arxiv.org/abs/1910.06106 "The Bayesian Synthetic Control").

زبان مورد نیاز

مقدار	نام
>=3.7.4	Python

نحوه نصب

نصب پکیج whl bayessynth-0.1:

pip install bayessynth-0.1.whl

نصب پکیج tar.gz bayessynth-0.1:

pip install bayessynth-0.1.tar.gz